About the AI Service Center Course Series AI Service Center

Künstliche Intelligenz ist längst Teil deines Alltags geworden. Von Empfehlungsalgorithmen in sozialen Medien bis hin zu dem generieren von Geburtstagsgrüßen – fast überall kann heute KI drin stecken. Doch KI-Systeme sind nicht neutral: Sie können diskriminieren, ausgrenzen und bestehende Ungerechtigkeiten verstärken. Wir zeigen dir, wie du das erkennst und was du dagegen tun kannst.

Dieser Kurs richtet sich an Schüler:innen ab der 9. Klasse, aber auch alle anderen sind herzlichst willkommen.

Extreme weather events have caused severe damage and loss of life in recent decades. Traditional numerical weather prediction, while accurate, is computationally intensive—requiring supercomputers that consume massive amounts of energy. In contrast, energy-efficient AI offers a transformative alternative. This course explores how modern AI models can drastically reduce energy consumption and CO₂ emissions while improving the accuracy and accessibility of weather forecasting. Through practical examples, we demonstrate how techniques like LoRA fine-tuning, diffusion models, and GNSS-based sensing can enhance forecasting capabilities on both large and personal devices. By the end of this course, learners will understand how efficient AI methods enable sustainable, high-precision weather prediction for the future.

Die wachsende Bedeutung von KI-Chatbots in der modernen Arbeitswelt stellt Organisationen vor neue Herausforderungen und Chancen. Wie können intelligente Assistenten dabei helfen, große Dokumentensammlungen zu analysieren oder Daten für Berichte aufzubereiten? Welche Möglichkeiten entstehen, wenn Chatbots direkt mit den Programmen arbeiten, die wir täglich nutzen? Und wie lassen sich diese Technologien praktisch und sicher in bestehende Arbeitsabläufe integrieren?

Entdecken Sie in diesem zweiwöchigen, praxisorientierten Kurs, wie Sie Ihren eigenen funktionsfähigen Chatbot erstellen und mit Ihren Dokumenten und Anwendungen verbinden können. Der Kurs richtet sich an Fachkräfte ohne tiefe Programmierungskenntnisse und folgt dem Prinzip „wenig Theorie, viel Praxis“. Sie lernen, wie moderne KI-Tools wie OpenWebUI, OpenRouter und Docker zusammenarbeiten, um leistungsstarke KI-Assistenten zu schaffen.

Künstliche Intelligenz ist längst Teil des gesellschaftlichen und schulischen Alltags und eröffnet neue Möglichkeiten für das Lehren und Lernen. Besonders im sprachlichen Unterricht können KI-Systeme individuelle Lernprozesse unterstützen, etwa durch automatisiertes Feedback zu Texten oder das individualisierte Lernen mit Intelligenten Tutoriellen Systemen. Gleichzeitig bringt der Einsatz von KI-basierten Systemen im schulischen Kontext ethische, rechtliche und soziale Herausforderungen mit sich. Der Kurs thematisiert all dies und unterstützt Lehrkräfte dabei, die Chancen KI-basierter Systeme zu nutzen und Risiken reflektiert sowie konstruktiv zu begegnen.

Du bist überzeugt, aber noch nicht überzeugend?
In diesem Kurs lernst du, wie du deine Meinung klar und verständlich rüberbringen kannst. Schritt für Schritt entwickelst du die Fähigkeit, ein Thema zu verstehen, dir eine eigene Meinung zu bilden und mit anderen zu diskutieren. Dabei unterstützt dich ein KI-gestütztes Lerntool, das dich als Coach, Feedbackgeber und Gesprächspartner begleitet.

Zusätzlich zu den Kursmaterialien auf openHPI kannst du in diesem Kurs Schreibübungen machen und bekommst dazu Feedback von einer KI. Das Ganze läuft direkt im Browser – du musst also nichts installieren und dich auch nicht registrieren. (Den Link findest du in dem Kurs.) Beim ersten Start bekommst du automatisch einen 10-stelligen Code (z. B. abc123defg). Den solltest du dir unbedingt aufschreiben, weil du ohne ihn später nicht mehr an deine Texte kommst.

Wichtig: Nach 30 Tagen werden alle deine Texte automatisch gelöscht. Wenn du sie behalten möchtest, speichere sie also vorher ab. Chats und Feedback liefert eine KI auf Basis der OpenAI-Technologie.

In this course, you’ll learn how to work with time series data — one of the most common and challenging types of data across industries. We’ll start from the basics, introducing you to key concepts like trends, seasonality, and stationarity, and gradually move into more advanced forecasting techniques. You’ll explore both classical statistical models and modern machine learning approaches, and see how deep learning architectures like RNNs, LSTMs, and transformers are being used for cutting-edge forecasting tasks today. Along the way, we’ll cover real-world examples from finance, healthcare, weather forecasting, and beyond. By the end of the course, you’ll have the skills to analyze time series data, build reliable forecasting models, and apply them to practical problems.

In an era where digital technologies are reshaping industries and daily life, the environmental impact of AI systems has become a growing concern. This course explores efficient AI methodologies to address these challenges. From deep learning model compression to low-bit quantization and collaborative inference, we delve into techniques that enhance computational efficiency and reduce energy consumption. We will also focus on low-bit quantization specifically for large language models (LLMs), showcasing cutting-edge open-source tools and models. Join us to learn how to build sustainable AI systems while pushing the boundaries of innovation.

This course is part of the Sustainability in the Digital Age series, a collaborative project between colleagues from Stanford University, SAP and the Hasso Plattner Institute.

Practical Computer Vision in PyTorch is a comprehensive, hands-on course for developers and practitioners eager to explore computer vision with PyTorch. It spans image classification, object detection, segmentation, and generative modeling. Emphasizing implementation, participants work through coding demos and projects with industry-standard tools and libraries. By the end, they will be able to build and fine-tune computer-vision models for real-world applications.

Künstliche Intelligenz durchdringt zunehmend unseren (Arbeits)Alltag. Vor allem generative KI-Systeme haben die Masse der Arbeitnehmerschaft erreicht. Doch diese KI-Systeme sind nicht frei von Vorurteilen und Verzerrungen – sogenannten Biases – denn sie sind durch Menschen erzeugt. Diese Biases können zu diskriminierenden Ergebnissen führen. Das Erkennen, Verstehen und Bereinigen von Biases ist deshalb von entscheidender Bedeutung, um eine gerechte und ethische Nutzung zu gewährleisten und potenzielle Schäden von Teilnehmenden und Unternehmen abzuwählen.

This course explores the hype and realities surrounding AI, the challenges companies face in using AI profitably, and how Germany is performing in the AI landscape. It offers insights into how AI can power business strategies, be successfully integrated into operations, and scaled for long-term profitable growth. Created for managers and data experts looking to maximize AI’s potential, the course requires no prior experience, though a basic understanding of business strategy, data analytics, and AI concepts is beneficial.

About this course
This course consists of video recordings made by the former Digital Health Compute Lab (DHC Lab). HPI has since established a central Scientific Compute Infrastructure (SCI), superseding the DHC Lab. The videos still refer to the DHC Lab and its clusters. The concepts they teach apply directly to the current clusters of the SCI and the AI Service Center (AISC). For the exact commands, partitions and settings on these clusters, use the official documentation at docs.sc.hpi.de.
Why is this topic relevant?
When a computation needs more resources than a personal computer can provide, it runs on an HPC cluster. At HPI, the SCI and the AISC operate such clusters. To use them efficiently, every user needs to understand how a cluster works and how to schedule jobs well. This raises the overall throughput of the clusters and gets your results back sooner.
What will participants learn?
SLURM (Simple Linux Utility for Resource Management) is an open-source system for cluster management and job scheduling. This course teaches the basics of using SLURM.
Participants who have not worked with the Linux command line before start with a short introduction to it. The course then covers the basics of SLURM. Later modules cover advanced topics and include master classes on optimizing HPC workloads.
What is it useful for?
The course is not mandatory, but we recommend it to everyone who wants to work with the SCI or AISC compute resources. It covers the basic knowledge that helps you avoid common problems, such as failed or stuck jobs, and makes your work on the shared clusters more efficient.

If you have any questions, contact us at sc-helpdesk@hpi.de.

Gain a basic understanding of how numerical representations transform language! Explore the world of text embeddings in this online course, covering essential topics such as tokenization, historical models, modern techniques, and practical applications.

It's free of charge and no prior AI experience is necessary.